SynthBA: Reliable Brain Age Estimation Across Multiple MRI Sequences and Resolutions

要約

脳年齢は、脳の生物学的老化プロセスを反映する重要な尺度です。
脳年齢と実年齢との間のギャップは、脳 PAD (予測年齢差) と呼ばれ、神経変性状態の調査に利用されています。
脳年齢は、MRI と機械学習技術を使用して予測できます。
ただし、既存の方法は、取得プロトコル、スキャナー、MRI シーケンス、解像度の違いなど、取得関連の変動の影響を受けやすいことが多く、非常に異質な臨床現場での適用が大幅に制限されます。
この研究では、脳年齢を予測するために設計された堅牢な深層学習モデルである合成脳年齢 (SynthBA) を紹介します。
SynthBA は高度なドメイン ランダム化技術を利用し、取得に関連するさまざまな変動に対して効果的な動作を保証します。
SynthBA の有効性と堅牢性を評価するために、さまざまな MRI シーケンスと解像度を含む内部および外部のデータセットに対する予測機能を評価し、それを最先端の技術と比較します。
さらに、アルツハイマー病 (AD) 患者の大規模コホートにおける脳 PAD を計算し、AD 関連の認知機能障害の測定値との有意な相関関係を示しました。
SynthBA は、再トレーニングや微調整が不可能なことが多い臨床現場での脳年齢予測の広範な導入を促進する可能性を秘めています。
SynthBA のソース コードと事前トレーニングされたモデルは、https://github.com/LemuelPuglisi/SynthBA で公開されています。

要約(オリジナル)

Brain age is a critical measure that reflects the biological ageing process of the brain. The gap between brain age and chronological age, referred to as brain PAD (Predicted Age Difference), has been utilized to investigate neurodegenerative conditions. Brain age can be predicted using MRIs and machine learning techniques. However, existing methods are often sensitive to acquisition-related variabilities, such as differences in acquisition protocols, scanners, MRI sequences, and resolutions, significantly limiting their application in highly heterogeneous clinical settings. In this study, we introduce Synthetic Brain Age (SynthBA), a robust deep-learning model designed for predicting brain age. SynthBA utilizes an advanced domain randomization technique, ensuring effective operation across a wide array of acquisition-related variabilities. To assess the effectiveness and robustness of SynthBA, we evaluate its predictive capabilities on internal and external datasets, encompassing various MRI sequences and resolutions, and compare it with state-of-the-art techniques. Additionally, we calculate the brain PAD in a large cohort of subjects with Alzheimer’s Disease (AD), demonstrating a significant correlation with AD-related measures of cognitive dysfunction. SynthBA holds the potential to facilitate the broader adoption of brain age prediction in clinical settings, where re-training or fine-tuning is often unfeasible. The SynthBA source code and pre-trained models are publicly available at https://github.com/LemuelPuglisi/SynthBA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google